単語の出現頻度を求めるプログラム

質問

book.eng（英文がいっぱい）に現れている, 単語の出現頻度を求めるプログラムを作りたいのですが、大まかにまとめると次のような作業をしたいのです。
１．ファイルから一行読み出す
２．読み出した行を単語に分解
３．単語をキーとして、連想配列を用いたカウンターの増加
４．全部読み終わったら、キーを用いて出力

while( $input = <> ) {
#読み出した一行を単語に分解(splitを使った方がいいのかな)
#単語の数だけ繰り返し
#単語をキーとして連想配列に
}

#全部終わったので、出力

という感じになりそうなのですが。。。。
ちなみにAND, And, andはすべて同じ単語だから、一行をすべて小文字に変換しておいた方がよさそうですよね。
$input =~ tr/[A-Z]/[a-z]/;

を使えばいいとおもうのですがイマイチよく分かりません。そして出力もきれいにしたいし、一般性を持たせるなら、単語を切り分ける正規表現を引数として渡せるようにしておきたいです。どなたか教えてくださいませんか。

回答No.1

sakusaker7 · ベストアンサー

「単語を切り分ける正規表現」というのがよくわからんのですが(英文なら空白で区切ればよいのでは?)、とりあえずたたき台としては

my %counts;

while (<>) {
　chomp;
　my @words = /\s+/, $_;
　foreach my $word (@words) {
　　$counts{lc $word}++;
　}
}
printf "%15s: %5s\n", "word", "count"
foreach my $word (sort keys %counts) {
　printf "%15s:, %5d\n", $word, %counts{$word};
}

こんな感じ?
#実行してません。

ところで
> $input =~ tr/[A-Z]/[a-z]/;

tr の引数は正規表現ではないので、ブラケットは余計です。
同じ文字に置換することになるので結果はおかしくはなりませんが。

お礼

参考になりました。。有り難うございます。。
（＾＾）